科技項目評審專家智能檢索與推薦系統的研究及實現.pdf

1、隨著科技項目申報數量的快速增長,科技專家在項目立項評審、中期檢查、結題驗收等環(huán)節(jié)發(fā)揮著重要作用。目前,科技專家一般由管理部門人為指派或根據研究領域機械隨機地選取,無法快速準確篩選出專家,從而導致專家由于不熟悉項目技術領域得出評審結果不客觀不公正的現象。因此,利用信息手段進行專家智能檢索和推薦技術的研究是十分重要的。本文以浙江省科技項目全過程管理系統中的項目庫信息和專家?guī)煨畔閷嶒灁祿?主要通過研究關鍵詞提取、知識表示模型、相似度計算等來

2、實現專家信息智能檢索和推薦系統。本文具體研究工作如下:
　　(1)針對科技項目申請書和評審專家信息文本的“半結構化”的特征,研究提出一種基于可拓學物元模型、向量空間模型的物元知識表示模型。首先,將科技項目信息、專家信息主要文本進行分詞,對分詞結果進行停用詞過濾得到詞語集合。其次,構建項目詞語信息的詞語網絡,基于統計特征和聚集特征提取項目信息關鍵詞;專家信息較為精簡,直接將過濾后得到的詞語集合作為專家信息關鍵詞。最后,結合關鍵詞所在

3、字段和權值構建項目和專家的物元知識表示模型,并建立相關信息索引。
　　(2)針對目前專家檢索通過機械匹配檢索詞實現,缺乏考慮語義理解、檢索結果無法按檢索相關度進行排序等問題,在物元知識表示模型的基礎上,研究提出一種基于語義的專家信息智能全文檢索方法。該方法基于語義等信息計算檢索關鍵詞和專家信息間的相關度,根據匹配度從高到低列出相關專家。實驗表明該方法能夠比較準確地快速檢索出與科技項目相匹配的專家。
　　(3)在物元知識表示模

4、型的基礎上,研究提出一種基于語義的科技項目評審專家智能推薦方法,為一個(或一組)項目自動推薦生成候選專家列表。首先,基于語義二部圖最大匹配算法計算專家信息與科技項目信息的語義相似度。其次,設定閥值截斷產生初始推薦專家列表。最后,借鑒回歸分析的思想,構建基于層次分析法AHP的科研能力評分模型優(yōu)化專家推薦排列順序。針對一組項目的專家推薦,則先要對各項目的知識表示特征合并為一個項目組的知識表示模型。
　　根據上述研究成果開發(fā)了科技專家信